稳健主成分回归及粗差探测

针对测量平差模型中法方程系数矩阵病态和观测值存在粗差的问题,该文将主成分估计与稳健估计方法相结合,建立了稳健主成分回归方法。详细介绍了稳健主成分回归方法的步骤,即先将系数矩阵进行稳健主成分分析,得到稳健主成分,利用稳健的LTS估计法求解参数向量,同时构造了一种稳健的主成分选择统计量,便于选择最佳的主成分数目。文中构造了3种异常点检验统计量,给出了异常点和粗差的探测步骤。算例研究表明,与传统方法相比,本文方法有一定的优越性。     

平差参数的主成分估计

本文介绍一种求平差参数的有偏估计方法——主成分估计。当法方程系数矩阵呈病态时,主成分估计的均方误差要小于最小二乘估计的均方误差,因此,采用主成分估计是有益的。     

抗差主成分估计及应用

本文基于抗差估计和主成分估计理论，提出一种新的估计－抗差主成分估计，推导了参数的抗差主成分解，并结合算例进行了试算。结果表明：抗差主成分估计不仅可以解除法方程系数降的病态，而且对于抑制观测粗差的影响也有显著功效。     

抗差岭型组合主成分估计及误差影响

本文从有偏估计类中的岭型组合主成分估计出发 ,结合抗差估计理论 ,利用抗差M估计模型 ,提出了一种新的抗差有偏估计法———抗差岭型组合主成分估计。推导了平差参数的抗差岭型组合主成分估计解 ,以及平差参数的验后精度和误差影响函数。计算结果表明 ,抗差岭型组合主成分估计不但能克服法方程系数阵病态性的影响 ,而且能有效地抵制观测值中精差的异常干扰 ,使参数的解更为准确可靠     

一种基于最小广义方差估计的TLS点云抗差法向量求解方法

针对地面激光扫描点云中的粗差与不均匀采样对法向量计算的影响,基于最小广义方差估计与局部平面拟合原理提出了一种抗差法向量求解方法。首先通过快速近似最近邻居搜索算法得到最近k邻居点集,然后由确定型最小广义方差估计方法和多元马氏距离得到邻居点集协方差矩阵的抗差估计,最后根据主成分分析法（principal component analysis,PCA）计算得到抗差法向量。通过构造的模拟地面激光扫描（terrestrial laser scanning,TLS）点云数据将提出的方法分别与基于PCA、鲁棒PCA和随机抽样一致的法向量求解方法进行实验比较。结果表明,所提方法的抗差性能优异,且并行优化改进后可以满足大规模TLS点云的计算需求。将该方法应用于实际野外地形TLS点云数据,由求解的抗差法向量重建的泊松表面更符合实际地形,表明了该方法在实际应用中的有效性。     

基于均值漂移模型的粗差定值定位

针对粗差定值定位问题,该文从观测值与其估值的解析关系出发,提出了一种基于均值漂移模型的粗差定值定位研究思路和方法。首先利用二次投影公式和帽子矩阵的性质,推导出了参数分量和粗差估计值的另一种估计表达式,讨论了相应估计量的统计性质。然后,根据不同情况,构造了粗差检验统计量,并给出了相应的粗差检验步骤。最后,用一组包含不同粗差的模拟算例验证了该文方法的有效性。从理论上丰富了粗差探测的方法,扩大了均值漂移模型的应用范围。     

抗差岭型主相关估计及其误差影响

针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法——抗差岭型主相关估计。推导出了相应模型的抗差解及误差影响函数,并进行了计算分析。与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响。     

抗差主成分估计在板块运动参数解算中的应用

为解决在采用空间大地测量数据求解板块运动欧拉参数过程中可能出现的矩阵病态问题,以及消除粗差对解算结果的影响,利用抗差主成分估计方法,采用IGG3方案的选权迭代方案对北美板块的2 577个台站进行检测,剔除包含粗差的异常站数据,求出欧拉参数最优解,并进行误差估计,建立北美板块的运动模型。计算结果表明,剔除异常台站前后精度有一定的提高,参数结果与其他模型的解算结果具有较强的一致性。     

抗差岭型主相关估计及其误差影响

针对法方程系数阵病态和观测值存在粗差对估值结果造成双重影响的问题,在岭型主相关估计的基础上引入抗差M估计模型,提出了一种抗差有偏估计的新方法--抗差岭型主相关估计.推导出了相应模型的抗差解及误差影响函数,并进行了计算分析.与主成分估计不同的是,该方法按主成分对观测值的影响程度大小对其进行舍取,在尽可能保留有用观测信息的基础上克服了病态性和粗差的影响.     

系数矩阵包含粗差时稳健总体最小二乘法一元线性回归的相对有效性

运用仿真试验的方法,以不同的稳健估计方法和不同斜率的一元线性回归模型为例,探讨了系数矩阵含粗差的不同误差影响模型下稳健最小二乘法(RLS)和稳健总体最小二乘法(RTLS)在一元线性回归中的相对有效性。结果表明,对于观测值的估值,不同的斜率将影响RTLS与RLS的相对有效性;对于回归系数的估值,RLS优于RTLS。     

列式鲁棒主成分分析的高光谱遥感异常探测

传统的基于鲁棒主成分分析的高光谱异常探测模型中,稀疏异常矩阵假设为非低秩且其非零元素满足随机分布条件。这导致稀疏矩阵的非零元素影响低秩背景矩阵的估计,进而制约背景信息和异常信息的有效分离。提出列式鲁棒主成分分析的异常探测方法,改进异常矩阵为列稀疏条件来解决上述问题。该方法分解高光谱影像2维矩阵为低秩背景矩阵,列稀疏异常矩阵和噪声矩阵,松弛目标方程为凸优化问题,并采用非精确增强拉格朗日乘子算法来求解得到列稀疏异常矩阵的最优估计。最后,对稀疏异常矩阵中所有列的L2范数值进行阈值分割来探测得到异常像元。利用两个高光谱影像数据集,对比5种主流的异常探测方法来验证提出方法的有效性。实验结果表明,列式鲁棒主成分分析方法优于包括传统鲁棒主成分分析模型在内的5种异常探测方法,且计算效率适中。     

基于Score检验统计的粗差探测法

针对观测数据同时含有粗差和系统误差时粗差难以探测的问题,本文将粗差纳入随机模型,提出了一种基于Score检验统计的粗差探测方法。首先构造半参数模型的惩罚极大似然函数,给出了相应的解的表达式。然后构造Score检验统计量,推导出具体表达式,给出了相应的粗差探测步骤。最后,用一组含有粗差的模拟数据验证了本文算法的有效性。     

稳健总体最小二乘法在测边网解算中的相对有效性

以不同观测值个数与未知数个数的模拟测边网、观测值中包含不同的粗差个数和常用的相对有效的稳健估计方法为例,运用仿真试验的方法比较稳健总体最小二乘法(RTLS)与稳健最小二乘法(RLS)的相对有效性,结果说明对于观测值包含随机误差和粗差、系数矩阵不包含随机误差和粗差的情形,稳健总体最小二乘法与稳健最小二乘法等价。     

自由网平差方法及统计特性新探

本文结合参数平差和主成分估计理论,导出了误差方程中含多重共线性时未知参数的求解公式,并以定理的形式,证明了主成分估计的解是极小范数解。由此,将主成分估计推广到秩亏网平差中,同时导出了未知参数估值之协因数阵的计算公式,同时,证明了自由网平差的传统特性。     

主成分估计在多项式曲面拟合GPS高程中的应用

阐述了多项式曲面拟合GPS高程中参数数目对结果的影响,比较了传统最小二乘平差、主成分估计和岭估计在不同参数时的计算结果,主成分回归在不同参数时都可以取得比较满意的结果。     

LTS 回归与最小一乘法稳健性比较

探讨了可以抵抗回归数据中出现的X与Y空间的多个异常点稳健回归估计方法,介绍了最小一乘法与LTS估计,并利用MATLAB模拟数据,分析以LS,LTS和最小一乘法三种方法对三组模拟数据进行分析比较,表明LTS方法比其他两种的抗粗差效果要好,具有很强的稳健性。     

对偶四元数法在稳健点云配准中的应用

针对点云特征点含有粗差的问题，提出了基于对偶四元数的稳健点云配准方法。遵循加权最小二乘原则构建了基于对偶四元数的稳健点云配准模型，运用拉格朗日乘数法推导了旋转矩阵和平移向量求解公式，研究了新权计算与坐标转换迭代步骤。实例证明，该方法能够有效识别并剔除粗差，提高点云配准精度。     

用主成分法求解秩亏自由网的研究

结合多数平差和主成分估计理论,导出误差方程中含多重共线性关系时求解未知数的公式,并证明主成分估计的解是最小二乘最小范效解。由此,将主成分估计推广到秩亏自由网平差中,导出求解未知多数及其协因数的公式,并据主成分估计演绎出用附有条件的参数平差法求解秩亏自由网的条件方程（基准在达式）。     

移动开窗检验法及其在GOCE数据粗差探测中的应用

简单回顾观测值粗差探测、识别及控制的基本方法,基于最小二乘推估理论给出卫星重力时间序列数据的粗差探测方法,其基本思路是利用除被探测点以外的观测数据对该点进行推估,并与其真实观测值进行比较,依照某种统计量和一定的准则进行粗差判别.基于上述思想,构造服从t-分布检验统计量,提出了移动开窗检验法,给出一种简单的时间相关函数、窗口宽度的确定方法以及详细的循环检验步骤.利用模拟的GOCE卫星重力梯度数据验证了新方法的有效性.     

主成分与主成分估计

在测量数据处理中,当设计阵存在复共线时,最小二乘估计的性质将变得不好,本文应用主成分估计来改进最小二乘估计。一方面是因为主成分估计具有一些好的性质,另一方面与岭估计和广义岭估计相比,主成分估计的偏参数选取要简便得多,从而大大提高了实用价值。